ENVI CLASSIC图像分类（一）----非监督分类

非监督分类是指人们事先对分类过程不施加任何的先验知识，而仅凭数据（遥感影像地物的光谱特征的分布规律），即自然聚类的特性，进行“盲目”的分类；其分类的结果只是对不同类别达到了区分，但并不能确定类别的属性。其类别的属性是通过分类结束后目视判读或实地调查确定的。主要有两方法：ISODATA分类与K-Means分类。

一、ISODATA分类

ISODATA是一种遥感图像非监督分类法。全称“迭代自组织数据分析技术”（Iterative Self-Organizing Data Analysis Technique）。ISODATA使用最小光谱距离方程产生聚类，此方法以随机的类中心作为初始类别的“种子”，依据某个判别规则进行自动迭代聚类的过程。在两次迭代的之间对上一次迭代的聚类结果进行统计分析，根据统计参数对已有类别进行取消、分裂、合并处理，并继续进行下一次迭代，直至超过最大迭代次数或者满足分类参数（阈值），完成分类过程。操作步骤如下：

1、在主菜单中，选择File→Open Image File，打开待分类图像

2、在主菜单中，选择Classification→Unsupervised→ISOData

3、在Classification Input File选择分类的图像文件

4、在ISODATA Parameters窗口中设置分类参数以及输出路径和文件名

• Mumber of Classes:Min，max：类别数量范围，一般输入最小数量不能小于最终分类数量，最大数量为最终分类数量的2 3倍；
• Maximum Iterations:最大迭代次数，迭代次数越大，得到的结果越精确，运算时间也越长；
• Change Threshold：变换阈值，当每一类的变化像元小于阈值时，结束迭代过程；
• Minimun # Pixel in Class:一类所需的最小像元数，如果某一类中的像元数小于最少像元数，则将其中的像元归并到距离最近的类型中；
• Maximum Class Stdv：最大分类标准差，以像素值为单位，如果某一类的标准差比该阈值大，则将该类分成两类；
• Minimum Class Distance：类别均值之间的最小距离，以像素值为单位，如果类均值之间的距离小于该值，则类别将被合并；
• Maximum # Merge Pairs：最大的合并类别；
• Maximum Stdev From Mean：距离类别均值的最大标准差，为可选项。筛选小于这个标准差的像元参与分类；
• Maximum Distance Error：最大距离误差，为可选项。筛选小于这个最大距离误差的像元参与分类；

5、点击OK执行非监督分类，结果如下

二、K-Means分类

K-均值算法也称c-均值算法，其基本思想是：通过迭代，逐次移动各类的中心，直至得到最好的聚类结果为止。

1. *计算特征空间上均匀分布的最初类均值；
2. *用最短距离技术重复地把像元聚集到最近的类里；
3. *每次迭代重新计算了均值，且用这一新的均值对像元进行再分类。除非限定了标准差和距离的阈值（这时，如果一些像元不满足选择的标准，他们就无法参与分类），所有 像元都被归到与其最临近的一类里；
4. *这一过程持续到每一类的像元数变化少于选择的像元变化 阈值或已经到了迭代的最多次数。操作步骤如下：

1、在主菜单中，选择Classification→Unsupervised→K-Means；（步骤同ISODATA）

2、在Classification Input File选择分类的图像文件；（步骤同ISODATA）

3、在K-Means Parameters窗口中设置分类参数以及输出的路径和文件名

4、点击OK执行非监督分类，结果如下